基于改进surendra背景更新算法的运动目标检测算法

提出了一种改进的surendra运动目标检测算法,该算法可以自适应的调整背景更新速度。首先将第一帧图像作为背景图像,并利用改进的surendra背景更新算法根据每帧图像对背景图像进行更新获得可靠的背景。然后,将当前帧与背号作差,得到差值图像。使用自适应阈值对差值图像进行二值化处理,并利用形态学滤波对二值图像进行适当处理,这样运动目标就被准确地提取出来。     

基于改进混合高斯背景模型的车辆检测算法研究

传统的混合高斯背景模型对光照突变十分敏感,对运动车辆检测效果不理想。为此,本文提出了一种基于改进混合高斯背景模型的车辆检测算法,利用不匹配像素来消除光照突变对背景建模产生的影响。实验结果表明,与传统的混合高斯背景模型算法相比,在光照突变明显的条件下,改进后的算法更能有效检测出运动车辆。     

一种新的自适应背景建立与更新算法

针对视频监控系统中的动目标检测问题,提出了一种新的自适应的背景建立与更新算法。能够从含有运动目标的初始背景中,通过短时间的训练得到理想的背景,可以大大减轻系统的存储负担。实验表明算法能很好地适应光照的缓变和突变,具有较强的鲁棒性。     

一种基于灰度相关性的背景更新算法

视频运动目标检测常用的方法是背景差分法,而背景差分法的关键是如何从视频中建立背景模型。IIR滤波器背景更新算法是采用较多的一种背景更新算法,但仍存在一些不足,因此,本文提出了一种基于灰度相关性的背景更新算法,并使用差分图像像素均值法获取阈值对图像进行分割,用基于形态学及连通性分析法对检测目标进行后处理。实验结果表明:该算法能够实得到的背景帧较为理想,能对运动目标进行准确的检测,具有很好的鲁棒性。     

基于对称差分算法的背景更新和运动检测

本文针对时间差分将导致差分图像中背景显露过多影响了背景模型建立的缺点,利用对称差分能够快速检测中间帧运动目标的特点,提出一种使用间隔多帧对称差分来更新背景模型,从而建立可靠的背景模板,再结合背景消减进行运动检测的方法。实验表明该算法能快速地建立背景模型,同时有效地检测出背景中的运动物体,具有一定的实际应用价值。     

改进的道路背景提取与更新算法

背景检测在车辆检测中起着至关重要的作用,为此,提出了一种改进的道路背景提取和更新算法.通过统计一段时间内相邻帧的变化程度,结合历史状态与当前状态的差异来分析持续不变区域的特征,可以有效改善环境复杂时背景提取困难的情况,而且通过图像分块和拉伸及快慢变化的处理可以有效地消除光照和噪声的影响.实验证明该算法可以很好地适应于情况较为复杂的路况,准确性较高,并且实时性较好.     

基于局部层次化混合高斯模型的视频序列运动目标检测

在视频分析的过程中,背景建模和运动目标提取是一个非常重要的问题.混合高斯模型是进行背景建模常用的模型之一.但是单纯运用混合高斯模型进行运动目标提取的效果并不是非常理想.本文提出了一种自上而下的局部层次化混合高斯模型,该算法首先确定更新区域,然后在区域中运用分块的混合高斯模型和点像素混合高斯模型进行背景建模和目标提取.实验表明该方法具有较好的处理效果,同时也提高了处理的时间效率.     

基于特征融合的背景差分改进算法

背景差分法可完整快速地分割出目标图像,但其在背景扰动与光照变化等情况下检测效果不佳。文中提出一种基于特征融合的背景差分改进算法。该算法将时空局部二值模式纹理特征以及颜色特征相融合,同时考虑两特征的置信度和相似性得分得出背景概率,继而进行前景分割,并将当前检测出的背景像素用于背景模板更新,以便更好地解决复杂背景下的目标检测问题。实验结果表明,新算法的检测效果优于其他同类算法,在保持背景差分算法鲁棒性与复杂度的同时,在背景扰动与光照变化等情况下表现出了良好的检测效果。     

改进的自适应高斯混合模型运动目标检测算法

传统的高斯混合模型学习率和分布数取值固定,不能精确地描述变换的背景,同时存在数据冗余等问题,针对这些不足,进行了以下三个方面的改进。在模型初始化阶段,针对不同的环境设定各异的初始分布数;根据环境变化快慢程度,动态调整学习率的取值;不断更新高斯分布,删除不满足要求的模型,创建新的分布。实验结果表明,改进的自适应高斯混合模型较传统高斯混合模型,显著提高了运动物体检测的准确性。     

窗口大小和权值模板对固定权值背景预测算法的影响

固定权值背景预测是一种结构简单、处理速度较高的红外弱小目标检测算法.但因滤波效果不及自适应权值滤波器而限制了其应用.文章从算法的运算耗时和信噪比增益两方面,深入研究了固定权值背景预测算法.比较分析了不同大小预测窗口和各种权系数模板对小目标检测效果的影响,通过理论分析和实验确定了最佳预测窗口和最优固定权系数模板组成的滤波器,对常规的算法进行了改进.并通过计算机仿真验证了上述分析的合理性.     

复杂背景下的红外弱小目标阈值更新恒虚警算法

CFAR(Constant False Alarm Rate,恒虚警)是红外弱小目标检测系统中的一项核心技术,为了克服传统单帧探测方法在复杂背景下的不足,本文提出了一种基于威布尔分布的阈值更新OSTWO CFAR检测方法.对红外图像进行Laplace滤波和杂波拟合后,设计CFAR检测器,图像中的每个检测单元,根据周围单元来确定其阈值,再判定其为目标还是背景杂波.试验表明,提出的算法能够控制虚警率和提高探测率,并且很好的解决了复杂背景下目标遮挡和背景变化的问题.     

基于DSP车辆视频检测背景更新算法

介绍了多帧平均法和自适应更新法两种常用的车辆视频检测背景更新算法,并在ADSP-BF561 DSP平台上实现。通过测试验证两种算法的准确性,然后从实时性出发,对两种算法进行分析和比较。     

基于全变分理论的红外图像背景抑制

针对红外单帧图像的小目标检测问题,提出基于全变分理论的背景杂波抑制的改进算法。构建以能量函数极值最优化为主体的全变分模型,结合自适应步长和非单调性线搜索条件,形成改进的全变分算法,在红外图像背景抑制方面取得良好效果。经过仿真实验测试几种算法的抑制效能,分析结果表明改进算法的检测性能较传统算法在杂波抑制、减少边缘虚警等方面均有优势,能够满足实时性要求,且适用于复杂背景的工程实现。     

基于 TMS320C6678的背景更新算法的改进与实现

利用混合高斯模型描述序列图像背景是地面复杂背景下红外搜索跟踪系统中的关键技术.针对背景更新算法的收敛性和估计准确性的问题,提出了一种自适应混合高斯模型的背景更新框架.该背景更新框架通过建立混合模型迭代过程中学习因子与时间、模型状态的关系并且自适应选择混合模型中高斯分布的个数,有效地提高了背景估计的精确程度和算法的收敛速度.通过真实序列图像详细分析本文背景更新框架性能,同时研究设计了基于 TMS320C6678DSP 芯片的背景更新图像处理系统,实现了视频的传输、处理等系列功能,并与其他算法作比较,从数据分析和实验结果等方面表明本文算法的优越性.     

海空背景下确定弱小目标潜在区域的方法

目标潜在区域的确定对于成像型反舰导弹的目标检测、目标识别具有重要意义.本文深入分析了海空背景及舰船目标的红外特性,提出了一种海空背景下确定弱小目标潜在区域的方法,首先利用梯度算子得到差分图像,然后基于边缘阈值策略二值化图像,最后利用二值化图像在竖直方向上的投影确定目标潜在区域.实验证明次种算法速度快、精度较高、能够有效地剔除部分干扰.     

非参数岸岛背景红外舰船目标识别算法研究

由于战场环境复杂且瞬息万变,针对岸岛背景引入了一种快速 的检测/定位算法。该算法能够搜索出感兴趣的红外舰船目标,比如停靠在港口的舰船,而且无需 预先训练。这种方法仅仅使用一幅单一的目标物体样例图片来发现视场中相似的匹配舰 船,而无需对要搜索的物体进行预先学习。从查询图像中提取局部方向核 作为描述器,用于度量一个像素与其邻域间的相似度。然后从这个描述器中提取出显著 特征,并将其与目标图像中的类似特征进行比较。这些比较是使用一个余弦相似度度量矩阵 来实现的。实验结果表明,这个算法表现优异,成功地识别出了复杂背景条件下的舰船目标。     

海空背景下红外点目标检测算法

提出了一种基于灰度形态学的海空背景下的红外点目标检测算法。该算法三步：第一步,对原始序列图像进行了膨胀后累加,以提高信噪比（SNR）;第二步,对原始序列图像进行形态学滤波,去掉噪声和目标以提取出背景;第三步,前两步结果相减,自适应阈值后即可得到点目标,用实际摄取的图像进行实验,结果表明该算法能检测出信杂比（SCR0为1的红外图像。     

一种起伏背景下的红外小目标检测算法

提出了一种用一维中值滤波进行背景估计的方法.首先分析了红外小目标、噪声及其杂波特性,提出了用小窗口的二维中值滤波进行背景估计;然后进一步根据红外扫描系统的特点,把二维中值滤波简化为一维中值滤波,使去背景效果提高,并且运算量大幅下降;最后对预处理后的图像采用自适应门限进行目标分割.实验表明该算法可以达到较高的检测率,而且满足大尺寸图像实时处理的要求.